datawhalechina/torch-rechub
A Lighting Pytorch Framework for Recommendation Models, Easy-to-use and Easy-to-extend.
What it solves
Torch-RecHub 是一个轻量级的 PyTorch 框架，旨在简化生产级推荐系统的创建。它消除从头实现复杂推荐算法的工程负担，让开发者只需几行代码即可构建和部署模型。
How it works
该框架提供模块化的推荐任务流水线，包括标准化的数据加载、训练和评估。它利用 PyTorch 在多种后端（CPU、NVIDIA CUDA、AMD ROCm、华为 Ascend NPU）上进行硬件加速。系统按任务类型划分为专门的 trainer：CTRTrainer 用于排序/CTR 预测，MatchTrainer 用于匹配，MTLTrainer 用于多任务学习。
Who it’s for
适用于需要快速实现和测试推荐模型的机器学习工程师和研究人员，也适合希望通过 ONNX 导出将模型部署到生产环境的开发者。
Highlights
- Extensive Model Library: 包含超过 30 种主流模型，覆盖排序（如 DeepFM、DIN）、匹配（如 DSSM、SASRec）、多任务（如 MMoE、PLE）以及生成式推荐（如 HSTU、TIGER）。
- Production-Ready Deployment: 支持一键导出为 ONNX 格式，便于在生产环境中无缝集成。
- Broad Hardware Support: 兼容多种 GPU 架构，包括 NVIDIA、AMD 与华为 Ascend。
- Big Data Integration: 支持基于 PySpark 的数据处理，并可与向量数据库如 FAISS 与 Milvus 集成以提供检索服务。
- Experiment Tracking: 内建与 WandB、SwanLab、TensorBoardX 的集成，用于可视化与监控。